环境顶刊 | 基于机器学习的藻类密度预测研究：利用藻类挥发性有机化合物实现藻华早期预警
清华大学环境学院刘会娟团队发表在《Environmental Science & Technology》上的关于藻华预警的研究工作，文章题为“Machine-Learning-Based Prediction of Algal Density Using Algal Volatile Organic Compounds for Bloom Early Warning”。该文章通讯作者为环境学院刘会娟教授，作者包括郭佳、余春瑰、齐维晓、曲久辉、段忆翔；本研究所用设备为成都艾立本科技有限公司自主研制的质子转移反应飞行时间质谱仪器PTR-TOF MS 2500。
-引言-
有害藻华（HABs）对水生生态系统构成严重威胁，然而，如何快速且精准地预测其藻密度，至今仍是一项难题。在藻类生长过程中，会释放出藻类挥发性有机物（AVOCs）；这类物质作为藻类的综合代谢产物，相比传统指标，或许能更早地对藻华爆发发出预警。本研究提出了一种新方法，该方法将质子转移反应飞行时间质谱（PTR-TOF-MS）与可解释机器学习相结合，通过检测AVOCs来实现对藻密度的预测。这一方法不仅为水生生态系统管理提供了具有变革性的工具，还确立了AVOCs作为藻类生理动态指标的地位，同时从机制层面揭示了代谢变化与藻华动态之间的关联。
-创新点-
1
首次将PTR-TOF-MS快速检测技术与可解释机器学习结合，实现基于AVOCs的藻密度精准预测，突破传统依赖环境参数模型的局限。
2
识别出具有物种特异性浓度阈值的AVOCs生物标志物（丁醛、2 -辛烯醛），并从转录组和酶学水平阐明其与藻密度关联的代谢机制。
3
在自然湖泊中初步验证模型对藻华风险（67%-81%）的监测潜力，为野外藻华预警提供实用方案。
-主要工作-
1
实验与数据：以铜绿微囊藻（n=814）、普通小球藻（n=834）为对象，控制TN:TP、温度等条件培养；用PTR-TOF-MS在线检测AVOCs，结合GC-MS与GLOVOCs数据库定性；结合SEM、ELISA、转录组测序辅助分析
2
模型性能：XGBoost模型最优，对两种藻密度预测R²分别达0.98、0.95，RMSE 0.02-0.08，优于传统模型；丁醛、2-辛烯醛为关键标志物，低于特定阈值（如铜绿微囊藻丁醛158.41 ppbv）藻密度骤升。
3
机制解析：指数期藻光合作用增强、分解代谢抑制，LOX酶活性下降、相关基因下调，导致丁醛、2-辛烯醛合成减少，其浓度反向指示藻生长状态。
4
野外验证：自然湖泊样品预测藻华风险67%-81%，丁醛、2-辛烯醛可稳定检测，与叶绿素a负相关，验证模型适用性。
-总结-
本研究构建了一套基于藻类挥发性有机物（AVOCs）的藻密度预测框架。该框架通过质子转移反应飞行时间质谱（PTR-TOF-MS）实现对AVOCs的快速检测，同时结合XGBoost模型达成对藻密度的高精度预测；在此过程中，研究还阐明了相关生物标志物的代谢机制，并完成了野外验证工作。该方法具备显著优势：一是高灵敏度，检测限可达到亚ppbv级别；二是快速响应，单个样品的检测时间不足1分钟，为藻华的早期预警提供了全新工具。
关于PTR-TOF MS
通过将质子转移离子源和飞行时间质谱结合在一起，能对痕量挥发性有机物和半挥发性有机物（VOCs/SVOCs）实现在线检测的新兴技术。PTR-TOF MS可在数秒内对pptv量级的VOCs/SVOCs进行定性定量，具有响应速度快、无需前处理、灵敏度高和检出限低等优点，可以广泛应用于环境监测食品与风味科学、生物研究、医学研究等领域。
艾立本科技PTR-TOF MS 6000于2023年获得BCEIA整机金奖荣誉（ALIBEN现已面向市场推出2500\6000\8000系列产品，欢迎咨询订购）
仪器优势
01
响应时间0.1s
02
气体样品直接分析
03
实时痕量超低检测限
04
1min分析上千种化合物浓度
论文链接：https://pubs.acs.org/doi/10.1021/acs.est.5c04879
参考文章：
![微信公众号 微信扫一扫](javascript:Site.hoverQrCode("//33381288.s21i.faiusr.com/2/ABUIABACGAAgiZX4vwYoz7HnrQcwiQQ4hQQ.jpg",this,{"tips":"请使用微信扫一扫"});){kind=link}